yarn fair scheduler 之公平排序算法

这篇文章主要分析公平调度器的公平排序算法，基于hadoop-2.3.0-cdh5.0.0

首先，了解这几个概念：

• 资源需求量：当前队列或者应用希望获得的资源的总量。
• 最小份额：队列的最小共享量在配置中指定。应用的最小共享量为0。
• 资源使用量：当前队列或者应用已经分配到的总资源。
• 权值：队列的权重值在配置中指定。在开启sizebasedweight特性的情况下，应用的权重=（log2(资源需求量)）*优先级*调整因子。优先级当前都是1，当应用运行超过5分钟，调整因子为3。

排序只需了解对于两个比较体的比较算法，然后对返回值升序排序。这里的比较体是队列或应用。

不说什么比较体，暂且称为队列吧，当然这个算法同样应用与队列内部应用的排序。

• 首先，计算两个队列各自的资源使用量 < min(资源需求量,最小份额），即是否饥饿。
• 然后，饥饿的队列优先。
• 对于两者都饥饿的情况下，需要计算资源分配比，结果小者优先。资源分配比=资源使用量/min（资源需求量，最小份额, 1）
• 当都不饥饿时，需要计算资源使用权值比，结果小者优先。资源使用权重比=资源使用量/权值
• 如果资源分配比或权值比相等，先提交的优先。

公平排序算法决定的是谁可以先获得资源，在资源需求量一致的情况下，最小份额越大且资源使用量较小有较高的优先级来获得资源，保证不长时间处于饿死状态。注意权值是在两者都不饥饿的前提下起作用，即两个队列的资源使用量 >= min(资源需求量,最小份额）.

下面看看相关代码吧

队列内部的应用排序算法默认采用fair排序，即与队列的排序相同。

可以看出，前面可配置的几个参数中（最小份额和权值，其它的在运行过程中都是可变的），对排序结果影响的顺序是先最小份额，再权值。这些参数是配合着使用，还是只保留一个变量原则，还需要看应用的场景。

比如，你需要的是保证相对的公平，追求地位平等，当然也可以把他们的配置都做成一样的。但是这样却没有考虑到运行时的一些因素，如集群繁忙情况、每个队列的资源使用量以及需求量等都是可变因素。所以，最好是最小份额和权值配合着使用，可以遵循“谁愿意共享得越多，就可以获得更多的资源”的原则，即最小份额与权值成反比。

另外一种情况，你需要有一个等级分明、两级分化的环境，那就有人说了，怎么不直接用另一个调度器 Capacity Scheduler ？当然如果你不考虑它配置的苛刻“所有队列的容量之和应小于100”，它是可以满足的。而公平调度没有这个限制，无论多么不合理的配置都能够处理。好吧，说正题，这时最好统一最小份额配置，通过调节权值来体现两极分化（涉及到另外一个公平份额算法）。

参考资料：

1. YARN ResourceManager调度器的分析
2. Hadoop MapReduce Next Generation - Fair Scheduler